AI 时尚应用 Alta Daily 用 Meta 的 Segment Anything 模型为用户衣物抠图建模,已处理超 2000 万张图片。相比外部 API 按张计费,开源模型大幅压低成本,让这家初创公司得以专注打磨产品体验。
大多数人只穿衣柜里大约 20% 的衣服,剩下那 80% 并非无用,而是没被激活的搭配潜力——记住自己有哪些衣服本就困难,想象它们怎么组合更是难上加难。
AI 时尚应用 Alta Daily 正是基于这一洞察诞生的。这款 2025 年上线的应用允许用户拍照上传、把整个衣柜数字化。用户用自然语言提出需求,应用便从数字衣橱中挑选出适合各种场合的整套穿搭,并在专属的 Alta 虚拟形象上展示上身效果。它还会记录用户每天穿了什么,避免重复搭配。
支撑 Alta 的核心技术,是 Meta 的 Segment Anything 模型(SAM)。这套模型已经用于分割和数字化数百万套服装。
从一开始,Alta Daily 创始人兼 CEO Jenny Wang 就想做一款有「干净美感」的应用,把用户拥有的单品像时尚杂志内页那样铺陈展示。这意味着必须去除每张用户上传图片的背景,而这成了团队面临的一大技术难关。
「我们研究过不同的分割模型,」Wang 说,「时尚恰恰是图像数据集最复杂的方向之一,尤其是用户上传内容极不一致。比如白色球鞋拍在白色墙面前,或者蓝色毛衣摊在起皱的蓝毯子上、室内光线又很差——这种图很难分割。」
团队还要应对其他棘手场景:模型需要捕捉珠宝的精细细节,确保反光表面不改变真实颜色,还要能绕着细衣架和真人模特完成分割。
Alta 团队在从太阳镜到鞋履的八个品类上测试了多种分割模型,发现 Meta 的 Segment Anything 模型表现始终最好。SAM 能处理从对镜自拍到地毯上平铺单品的各类图片,这正是它胜出的关键。
「如果每张上传图片都是精美的模特大片,分割会简单得多,但用户上传的内容就是这样,我们必须拿到最好的分割效果,」Wang 说,「SAM 3 让我们能做出干净、杂志风格的界面,让数字造型变得顺滑又愉快。」
除了性能,SAM 还给公司带来了显著的成本优势。Wang 记得,最初调研的外部分割 API 按每张图片几美分收费,价格让她「震惊」。
「这个成本累积得非常快,何况用户每秒钟都在上传大量图片,」她说,「作为早期公司,你要专注于最好的体验,但也必须清楚成本。你得做出用户喜欢的产品,同时知道自己没有无限的资金。」
借助 SAM,Alta 团队已处理超过 2000 万张图片,却没有背上高昂开销,从而能把精力放在打磨产品上。应用已积累全球用户,在美国、法国、德国、墨西哥和荷兰拥有较强用户基础。
未来,Alta 团队希望新的 AI 研究能带来更沉浸的体验。他们已经在试验 Meta 的 SAM 3D 模型,这可能解锁用户与 Alta 虚拟形象互动的新方式。
「我们什么都玩,」Wang 说,「我们喜欢尝试新模型。我们有一个规模庞大的时尚专用数据集,一直在不同模型之间跑评测。」
借助 AI 和 SAM 这类开源模型,Alta 正在帮人们表达个人风格、把衣柜用到极致。正如 Wang 所说:「有了 AI,我们终于能打造下一代的购物和造型体验。」
免费获取企业 AI 成熟度诊断报告,发现转型机会
关注公众号

扫码关注,获取最新 AI 资讯
3 步完成企业诊断,获取专属转型建议
已有 200+ 企业完成诊断